類神經網路的概念，與神經系統有關，最初由David Hunter Hubel以及Torsten N. Wiesel發現，他們將貓麻醉了之後，插入了鎢絲微電擊進初級視皮層，然後在貓的前方放置能投射出光影的布幕，時不時改變光線的角度，進而發現在不同狀況下所激發的神經元會不同，甚至有些只對部分的圖像有反應。因此就以這個為概念，創造出類神經網路。
　　其中有經過多次的變革，而造就目前最新的類神經網路架構，一般來說會有輸入層(Input Layer)、隱藏層(Hidden Layer)、輸出層(Output Layer)，輸入層和輸出層是可以被操作的，但是隱藏層就如同其名，使用者沒辦法修改，或對其調參數，只能靠機器經過一次次不斷訓練，修改成功。
　　下圖是類神經網路架構示意圖，通常輸入層和輸出層只會有一組，但隱藏層可以有很多組。此外，輸入層和隱藏層每組不一定是3或2之類的，可以有很多個，就看設計者在不斷測試之後，覺得哪個狀態下效果最好，就用該設計。

　　另外對於每層會有不同的權重，就像前面例子所提到的，每個狀況激發的神經元狀態不同，甚至在特殊條件下才會有反應，因此要設定權重，表達這神經元影響此判斷上的狀況。接著看下圖，這是當所有輸入的資料乘上權重之後進行加總，再加上偏差，傳入下一層中的一個神經元，直到每組中的每個神經元都計算完畢，會輸出結果至輸出層。
.
　　最後，權重和偏差不太一樣，權重比較是針對神經元影響的幅度，而偏差是用來做最後的矯正，畢竟計算下來可能會與真實情況稍微有點落差，因此就可以用偏差來做調整。